TensorFlow技术问题：如何将张量中1替换为0及通用值替换？

嘿，这两个张量元素替换的需求在TensorFlow里都有很直接的实现方式，我给你拆解一下：

1. 特定场景：把张量中值为1的元素替换为0 #

TensorFlow里的张量默认是不可变的，所以我们不会像NumPy那样直接原地修改，而是生成一个新的张量。最直观的方法是用tf.where函数，它会根据条件选择对应位置的值：

import tensorflow as tf

# 先创建一个示例张量
t = tf.constant([1, 2, 1, 3, 4])
# 替换所有1为0
t_replaced = tf.where(tf.equal(t, 1), 0, t)
print(t_replaced.numpy())  # 输出: [0 2 0 3 4]

你也可以用掩码相乘的方式，先生成一个掩码（值为1的位置是0，其他是1），再和原张量相乘：

mask = tf.cast(tf.not_equal(t, 1), t.dtype)
t_replaced = t * mask

不过tf.where的可读性更高，更推荐用这个方式。

2. 通用场景：把张量t中值为b的元素替换为a #

对应NumPy里的t[t == b] = a，TensorFlow里同样用tf.where就能搞定，逻辑和上面一致，只是把固定的1和0换成变量b和a：

# 示例：把张量中的3替换成99
b = 3
a = 99
t_general = tf.where(tf.equal(t, b), a, t)
print(t_general.numpy())  # 输出: [1 2 1 99 4]

额外说明：如果用tf.Variable的情况

如果你用的是tf.Variable（可变张量），也可以结合掩码来原地更新：

t_var = tf.Variable([1, 2, 1, 3, 4])
mask = tf.equal(t_var, b)
t_var.assign(tf.where(mask, a, t_var))

不过在大多数TensorFlow的计算流中，生成新张量的方式更安全，避免原地修改带来的意外问题。

另外要注意，a的 dtype 需要和原张量t匹配，如果不匹配的话，可以用tf.cast(a, t.dtype)来转换类型，避免报错。

内容的提问来源于stack exchange，提问作者huangbiubiu